糖尿病是一种慢性疾病,到目前还没有完全治愈的医疗手段,但是糖尿病可以通过人工干预进行控制。饮食控制是治疗糖尿病的主要手段之一,它的主要作用是减轻患者胰岛负担,使血糖和血脂维持在正常人的水平,再配合上药物的使用,有效的改善患者的健康状况。传统上糖尿病患者的饮食都是由特定的医师或者营养师亲自调配的,患者一多不仅在程序上难以管理,而且有食物的种类比较的单一,不符合患者口味等情况,同时营养师的工作量也大大增加。因此,通过计算机和人工智能,为糖尿病患者自动推荐饮食亟待解决。本文围绕协同过滤推荐算法展开研究,通过对范例推理算法(CBR)的深入了解,将范例推理能进行预测的特性应用到协同过滤的冷启动问题,并通过遗忘模型来完成对范例库的修正,然后对用户未评分的项目进行推理评分,最后用基于用户的协同过滤进行Top-N推荐。通过实验可知,结合范例推理的协同过滤对缓解协同过滤矩阵稀疏性问题有一定的辅助作用。此外,依靠改进的推荐引擎和android平台以及信息支撑系统为患者和医师之间打造了一个饮食推荐平台,并在linux系统部署hadoop分布式计算环境来提高系统推荐效率。系统不仅能满足患者的饮食需求,对于医师来说也控制了患者的饮食摄入,而且可以通过系统收集患者的饮食习惯和饮食信息,对病情的控制也起到了一定的作用,对营养师的工作也有了很大的帮助。